近年来随着大数据、人工智能等新一代信息技术的迅猛发展,智能交通系统在全球范围内得到广泛应用和普及。这是由于该系统能够降低人力成本、规避人为操作失误,可以自动识别异常情况。当前城市车辆数量不断增加,交通拥堵现象较为严重,为了监控异常情况,一般会选择在公共场所布置监控设备。但少量司机仍在禁停区停车,造成道路拥挤更为严重。智能停车检测技术能够充分发挥智能交通系统的监控作用,对改善交通环境、应对道路拥堵具有重要作用。但当前监控系统仍主要采用人工对比和核查的方式,需工作人员全天候守在监控屏前,不仅造成人力资源浪费,也容易出现人为失误,所以充分发挥智能停车检测技术作用具有重要意义。本论文对室外监控视频中的停车检测算法进行分析,指出现阶段主要监测算法在使用过程中面临的不足:如未考虑阴影干扰;在静止目标检测时,对车辆短时间停留难以检测;以几何外形的方式研判前景物体是否为车辆,造成检测精准度不高。本论文总结室外监控视频停车检测技术相关的理论,梳理当前视频停车检测实践中存在的技术难点,对现有停车检测算法作出改进。本论文对停车检测算法进行分析,主要研究工作包括以下五个方面::1、提取前景目标。在提取前景目标时,结合具有自适应特征的混合高斯模型获取在前景中处于运动状态的目标;2、检测视频阴影。基于HSV颜色空间模型,对前景中的阴影进行去除,进而获得更为精准的前景目标;3、检测静止目标。结合历史前景像素法,首先形成可以静止目标,随后根据这些目标形成可疑静止区域,将N帧前和N帧后对比,基于改进之后的哈希感知法作出判断,以确定是否属于静止目标。因此相比常规方法,本次研究设计的静止目标检测方法能够有效检测短暂停留的车辆;4、检测前景车辆。通过改进多尺度检测训练、锚点预测共享框、空间金字塔合并单元提高YOLOv3检测车辆的精准度;5、检测遮挡。在混合高斯模型的基础上提出遮挡检测法,从而进一步提高了视频检测的成功率。通过实验表明本文方法在iLIDS和UA-DETRAC数据集上的检测率为96.58%。